Video-RLM: Recursive Language Models for Long Videos
๐ ๊ฐ์ (Overview)
- URL: arXiv:2603.19001
- ํต์ฌ ํค์๋: recursive-language-models rlm video-understanding long-context
๐ฝ๏ธ ํต์ฌ ๊ธฐ์ ์ํคํ ์ฒ (Key Architecture)
MIT CSAIL ์ฐ๊ตฌ์ง์ด ์ ์ํ RLM(Recursive Language Models) ํ๋ ์์ํฌ๋ฅผ ๋น๋์ค ๋๋ฉ์ธ์ผ๋ก ํ์ฅํ ์ฐ๊ตฌ์ ๋๋ค.
1. Master-Worker ์ํคํ ์ฒ
- Master ๋ชจ๋ธ: ๋น๋์ค ์ ์ฒด์ ๋งฅ๋ฝ์ ํ์ ํ๊ณ ํ์ ์ ๋ต์ ์๋ฆฝํฉ๋๋ค.
- Worker ๋ชจ๋ธ: Master๋ก๋ถํฐ ํ ๋น๋ฐ์ ํน์ ๋น๋์ค ๊ตฌ๊ฐ์์ ์์ค ์๋ ์๊ฐ์ ์ฆ๊ฑฐ๋ฅผ ์์งํฉ๋๋ค.
- Master์ Worker๊ฐ ๋ณ๋ ฌ๋ก ์๋ํ๋ฉฐ ์ ๋ณด๋ฅผ ์ฌ๊ท์ ์ผ๋ก ์ฒ๋ฆฌํฉ๋๋ค.
2. ๋ก๊ทธ ๋จ์ ๊ณ์ฐ ์ต์ ํ
- ๋น๋์ค ๊ธธ์ด๊ฐ ๊ธธ์ด์ง์ ๋ฐ๋ผ ๊ณ์ฐ๋์ด ์ ํ์ด ์๋ ๋ก๊ทธ(logarithmic) ๋จ์๋ก ์ฆ๊ฐํ๋๋ก ์ค๊ณ๋์์ต๋๋ค.
- ์ด๋ฅผ ํตํด ์ ์๊ฐ ๋ถ๋์ ๋งค์ฐ ๊ธด ์์์์๋ ํจ์จ์ ์ธ ์ถ๋ก ์ด ๊ฐ๋ฅํฉ๋๋ค.
๐ ์ฃผ์ ๊ธฐ์ฌ ๋ฐ ์ฑ๊ณผ (Contributions & Results)
- ํจ์จ์ฑ: ์ด์ฅ๊ธฐ ๋ฌธ๋งฅ ์ฒ๋ฆฌ ์ ๋ฐ์ํ๋ โ์ปจํ ์คํธ ๋ง๊ฐ(Context Rot)โ ๋ฌธ์ ๋ฅผ ์์คํ ์ํคํ ์ฒ์ ์ผ๋ก ํด๊ฒฐํ์ต๋๋ค.
- ์์ด์ ํธ ํตํฉ:
recursive-decomposition-skill๊ณผ ์ฐ๋ํ์ฌ ๋ณต์กํ ์๊ฐ์ ๋ฐ์ดํฐ๋ฅผ ๋ถ์ํ๋ ์์ด์ ํธ์ ํต์ฌ ์์ง์ผ๋ก ํ์ฉ ๊ฐ๋ฅํฉ๋๋ค.
๐ ๊ด๋ จ ๋งํฌ (Related Links)
- ๊ธฐ์กด ๋ ธํธ ์ฐ๊ฒฐ: wiki/Models/RL/์ฌ๊ท์ ์ธ์ด ๋ชจ๋ธ(RLM), wiki/Agents/Frameworks/๊ตฌ๊ธ์-Embodied-Agent-SIMA
Created on: 2026-03-20